11.07.2015 Views

Roberto Sozzi (ARPA Lazio) Teodoro Georgiadis (CNR-IBIMET ...

Roberto Sozzi (ARPA Lazio) Teodoro Georgiadis (CNR-IBIMET ...

Roberto Sozzi (ARPA Lazio) Teodoro Georgiadis (CNR-IBIMET ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

10.STIMA DEI PARAMETRI DELLA TURBOLENZA ATMOSFERICA—————————————————————⎯⎯⎯⎯⎯⎯⎯⎯————————noto, la seguente:cioè:32( p 3) + ( 2) > 0R = q( r)( r)1 323( 10S( )) > 05⎛2 S ⎞ 1R = ⎜10( ) ⎟ +327S r −r⎝ S ⎠ 4[10.145a][10.145b]Se è soddisfatta questa equazione, la soluzione cercata è la seguente:1 3⎛ q ⎞ ⎛ q ⎞a = ⎜−+ R ⎟ + ⎜ − − R ⎟⎝ 2 ⎠ ⎝ 2 ⎠1 3[10.145c]Sempre dal lavoro di Van Atta citato, il periodo della rampa l+s è calcolabile mediante la relazioneseguente:3a rl + s = −[10.145d]3S r( )A questo punto le relazioni fin qui presentate consentono di determinare il flusso turbolento di caloresensibile, come delineato chiaramente in Spano e al. (1996). Resta come ultimo punto la scelta delvalore di r, cioè del time lag tra la coppia di misure di temperatura. In Spano e al. (1996) sisuggeriscono time-lags compresi nell’intervallo 0.25÷1 secondi. L’unico problema che presenta questometodo è, come nel caso del metodo Flux-Variance Base, l’impossibilità di determinare gli altriparametri che caratterizzano la turbolenza del SL.10.2.6 METODI SPETTRALI10.2.6.1 GeneralitàTutti i metodi di stima visti in precedenza sono basati sull’analisi delle misure micrometeorologiche neldominio del tempo. Questa non è ovviamente l’unica visuale di analisi possibile; come già abbiamoavuto occasione di sottolineare nel Cap.5, un altro angolo visuale interessante con cui analizzare ifenomeni micrometeorologici è quello del dominio delle frequenze che conduce a risultati notevoli dalpunto di vista teorico. Nei punti che seguono si cercherà di approfondire dal punto di vista praticoquesta visuale estremamente interessante e promettente e finora non completamente sfruttata nelleapplicazioni.10.2.6.2 Costruzione dello spettro di una variabile meteorologicaSi consideri inizialmente un generica variabile u(t) (per esempio la componente u del vento). Come giàvisto al Cap.5, per tale segnale meteorologico è possibile definire la Funzione di Autocovarianzacome:R u( τ ) = u'( t ) ⋅ u'( t + τ )[10.146a]————————————————————————————————————————- 476 -

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!